Interleukin-17 Inhibitors in the Treatment of Hidradenitis Suppurativa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Hidradenitis suppurativa (HS) is a chronic, debilitating, inflammatory dermatosis that significantly impacts patients' quality of life, primarily manifesting as inflammatory nodules, abscesses, and tunnels. The pathogenesis of HS is not fully understood and appears to be multifactorial, involving genetic, immunological, and endocrinological factors, as well as dysbiosis of skin microbiota. Increasing evidence highlights the role of the interleukin (IL)-17 pathway in the inflammatory process and pathogenesis of HS. Consequently, IL-17 inhibitors have emerged as a promising alternative to current therapies. Recently, secukinumab received approval from both the US Food and Drug Administration (FDA) and the European Medicines Agency (EMA), while bimekizumab received approval from the EMA, for the treatment of moderate-to-severe HS in adults, with ongoing clinical trials aiming to further clarify the efficacy and safety of other drugs within this class. IL-17 inhibitors have shown effectiveness in treating moderate-to-severe HS, with safety profiles of drugs such as secukinumab and bimekizumab being comparable to their use in other dermatological conditions. On the other hand, innovative drugs such as sonelokimab and izokibep show promising results and are currently in phase III clinical trials. This review provides a comprehensive overview of current knowledge and scientific advances in HS, focusing on the IL-17 pathway's role and its inhibition as a treatment strategy, alongside examining the most recent and significant clinical studies on various IL-17 inhibitors in the treatment of HS.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle